High-speed pca-based identification of banknotes

Resumen

Els bitllets són utilitzats en la majoria de paisos del món per a tot tipus de transaccions. Existeixen màquines contadores encarregades de contar i analitzar aquests bitllets de forma automàtica. En l'àmbit de visió per computador i el reconeixement de patrons s'han realitzat diferents estudis i s'han proposat diferents tècniques per al seu reconeixement obtenint uns índexs d'identificació satisfactoris. Aquesta Tesis Doctoral contribueix en l'àmbit del reconeixement de patrons, presentant una nova metodologia, que basada en la tècnica de descomposició en components principals, engloba les fases d'extracció de característiques i classificació en un mateix procés disminuint d'aquesta forma la complexitat de la solució així com els temps de processament. La metodologia proposta, que s'ha orientat per ser aplicada a la identificació de bitllets en màquines contadores, s'implementa amb algoritmes que poden ser paral·lelitzats i operen amb temps de processament curts mantenint l'eficàcia del classificador. Finalment, els processos desenvolupats s'han provat sobre 40 divises diferents de forma aïllada, conseguint uns índexs d'identificació pròxims al 100\%, així com un mètode que permet el reconeixement simultani de diverses divises al mateix temps. Per un altre banda, també s'han proposat tècniques per augmentar la velocitat del reconeixement i conseguir una major robustesa en el sistema d'identificació. Los billetes son usados en todo el mundo para todo tipo de transacciones. Existen máquinas contadoras encargadas de contar y analizar estos billetes de forma automática. En el ámbito de la visión por computador y el reconocimiento de patrones se han realizado diferentes estudios y se han propuesto diferentes técnicas para su reconocimiento obteniendo unos índices de identificación satisfactorios Esta Tesis Doctoral contribuye en el ámbito del reconocimiento de patrones, presentando una nueva metodología, que basada en la técnica de descomposición en componentes principales, engloba las fases de extracción de características y clasificación en un mismo proceso disminuyendo de este modo la complejidad de la solución así como los tiempos de procesamiento. La metodología propuesta, que se ha orientado para ser aplicada a la identificación de billetes en máquinas de alta velocidad, se implementa con algoritmos que pueden ser paralelizados y que operan con tiempos de procesamiento cortos manteniendo la eficacia del clasificador en niveles muy elevados. Finalmente, el sistema desarrollada se ha provado sobre 40 monedas distintas consiguiendo un índice de correcta identificación próxima al 100% en casi todos los casos, así como también un método que permite el reconocimiento simultáneo de billetes pertenecientes a diferentes monedas. Por otro lado, también se han propuesto técnicas para aumentar la velocidad del reconocimiento y conseguir una mayor robustez en el proceso de identificación. Banknotes are used for transactions in most of the countries in the world. When large numbers of banknotes have to be analyzed, counting machines are in charge of counting and identifying them automatically. In the field of computer vision and pattern recognition, several studies have been done with satisfactory identification rates. This doctoral thesis contributes to the field of pattern recognition, presenting a new methodology based on decomposition into principal components, combining the feature extraction and classification phases into one reducing the complexity of the solution proposed and also the processing times. The methodology developed focuses on being applied to the identification processes in banknote counting machines. The algorithms developed can also be parallelized and enable shorter processing times to be obtained, maintaining the effectiveness of the classifier. Finally, all the processes were proved on 40 different currencies individually, obtaining identification rates of 100\%, as well as a method to recognize multiple currencies simultaneously. Furthermore, tools are proposed to improve the processing speed of the classifier and make the identification system more robust.